基于粗糙集和支持向量机的电力系统短期负荷预测

• 作者: 张英慧 牛丽仙 苑津莎
• 来源期刊: 电力科学与工程
• 学科: 工学
• 关键词: 粗糙集 支持向量机 序列最小优化算法 短期负荷预测
• 年，卷（期）: 2010,（2）
• 所属期刊栏目: 研究与分析·电力工程
• 页码范围: 32-35
• 页数: 4页
• 分类号: TM715
• 字数: 3728字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-0792.2010.02.008

摘要

针对电力系统短期负荷预测中,高维大样本环境下支持向量机算法面临的耗时增大与维数灾问题,将序列最小优化算法(SMO)和粗糙集(RS)理论相结合,提出了一种新的算法——RS-SMO算法.该算法主要是用粗糙集理论进行负荷预测属性的约简,然后用其生成的边界集作为SMO的训练子集,从而使训练集的维数和规模有所减少.采用河北省某市的实际负荷数据进行算例分析,并对RS-SMO和SMO算法的预测结果进行了比较.结果表明,提出的RS-SMO算法有较高的预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	苑津莎	华北电力大学电气与电子工程学院	188	2334	27.0	40.0
2	张英慧	华北电力大学电气与电子工程学院	3	20	3.0	3.0
3	牛丽仙	华北电力大学电气与电子工程学院	2	17	2.0	2.0